Importer, traiter et illustrer vos données
library("highcharter")
library("forecast") # appels des paquets
airforecast <- forecast(auto.arima(AirPassengers), level = 95) #
hchart(airforecast) %>%
hc_title(text = "Utilsation de graphe interactif") R peut incorporer facilement n’importe quels types de codes (html, javascript …)
library(leaflet)
library(ggmap)
essca=geocode(location = c("Angers","Aix en Provence","cholet","Nantes","Nantes","Budapest","Paris","Toulouse","Lyon","Bordeaux","Shanghai"))
essca$ville= c("Angers","Aix en Provence","cholet","Nantes","Nantes","Budapest","Paris","Toulouse","Lyon","Bordeaux","Shanghai")
head(essca)## lon lat ville
## 1 -0.563166 47.47842 Angers
## 2 5.447427 43.52974 Aix en Provence
## 3 -0.879787 47.05941 cholet
## 4 -1.553621 47.21837 Nantes
## 5 -1.553621 47.21837 Nantes
## 6 19.040235 47.49791 Budapest
m <- leaflet() %>% addTiles() %>% addMarkers(lng = essca$lon ,lat = essca$lat,popup = essca$ville) # on peut mettre que lon et lat à la place de essca$lon et essca$lat
mExemple de projet sur le crow funding :
Puis il est nécessaire d’importer les données trouvées précédemment dans R.
kick_start <- read.csv("~/Data_Viz_Fin403/Data_Viz_Fin403/data/kick_start.csv", sep=";", stringsAsFactors=FALSE)
View(kick_start) # pour visualiser les données
class(kick_start$Moins.de.1000..) # pour connaître le type de données ## [1] "integer"
Ou par méthode graphique :
La forme de base d’un graphique R ggplot est la suivante :
ggplot(data_set) + plot_type(aes(x_variable,y_variable)) Pour une analyse univariée, on peut spécifier seulement une variable par exemple dans le cas d’un box plot, histogramme et un graphique de densité de probabilité.
_ plot_type spécifie le type de graphes _ data_set fournit les données du graphes
Ggplot2 donne plusieurs moyens et options qui permettent de manipuler et de changer le type de graphique. Les aesthetics peuvent être manipulés de deux façons :
Il faut partir d’un graphique simple puis ajouter des couches et des options :
library(ggplot2)
ggplot(kick_start) + geom_bar(stat="identity",aes(x = X, y=plus.de.1M../Projet.finance.integralement)) +coord_flip()On peut changer la couleur des geom_bar de deux façons :
library(ggplot2)
ggplot(kick_start) + geom_bar(stat="identity",aes(x = X, y=plus.de.1M../Projet.finance.integralement),fill="red") +coord_flip() # manuelle en dehors de aeslibrary(ggplot2)
ggplot(kick_start) + geom_bar(stat="identity",aes(x = X, y=plus.de.1M../Projet.finance.integralement,fill=X)) +coord_flip() # automatique dans aesIl est possible d’ajouter toutes les données de la dataframe à l’aide de facet_wrap et de la librairie reshape2.
library(reshape2)
kick_start.m = melt(data = kick_start[,-2],id.vars = "X")
ggplot(kick_start.m) + geom_bar(stat="identity",aes(x = X, y=value/kick_start$Projet.finance.integralement,fill=X),position = "dodge") + facet_wrap(facets =~variable) +coord_flip()Des outils addins permettent de modifier les graphes ggplot de façon automatique.